NYOJ 17 单调递增最长子序列(经典dp)

地址:http://acm.nyist.net/JudgeOnline/problem.php?pid=17

题目分析:同NYOJ 79 拦截导弹 

先解释下什么叫子序列。若a序列删去其中若干个元素后与b序列完全相同,则称b是a的子序列。

我们假定存在一个单调序列{An}(以递增序列为例),现在在其后面添加一个元素a(n+1),有两种情况:

1.a(n+1)>a(n)   。此时,a(n+1)可以添加到An序列的尾部,形成一个新的单调序列,并且此序列长度大于之前An的长度;

2.a(n+1)<=a(n)。此时,a(n+1)当然不可以添加到An序列的尾部。

经过分析,我们可以得出这样的结论:一个单调序列与其后面元素的关系仅与此序列的末尾元素有关

如此,便有了此题如下的dp解法:

建立一个一维数组dp[ ],用dp[i]保存长度为i的单调子序列的末尾元素的值,用top保存单调子序列的最大长度。

初始top=1,dp[1]=a1;

然后,我们从前向后遍历序列An(i : 2~n)。显然,我们会遇到两种情况:

1.a[i] > dp[top]。此时,我们把a[i]加入到长度为top的单调序列中,这时序列长度为top+1,top值也跟着更新,即dp[++top] = a[i];

2.a[i]<=dp[top]。此时,a[i]不能加入长度为top的单调序列,那它应该加入长度为多少的序列呢?

   做法是,从后向前遍历dp[ ] (j: top-1~1),直到满足条件 a[i] > dp[j],此时,类似于步骤1,我们可以把a[i]加入到长度为j的单调序列中,这时此序列长度为j+1,

   我们将dp[j+1]的值更新为a[i]。可是,为什么要更新它呢?

   因为a[i]一定小于dp[j+1]。为什么呢?如果a[i]不小于dp[j+1],我们找到的j就应该是j+1而不是j。那么,我们为什么要保留把dp[j+1]的最小值呢?

   因为对于相同长度的单调递增序列来说,末尾元素的值越小,其后元素加入此序列的可能性越大,也就是说,我们这样做,是为了防止丢失最优解。

 

思路1:

      这题其实是跟导弹拦截一样的,因为还有个加强版,所以把这个跟加强版一起贴上来。经典动态规划题,以后的动态规划很多都是从这个衍生出来的

一 最长递增子序列问题的描述

  设L=<a1,a2,…,an>是n个不同的实数的序列,L的递增子序列是这样一个子序列Lin=<aK1,ak2,…,akm>,其中k1<k2<…<km且aK1<ak2<…<akm。求最大的m值。

     假设L是字符串长度,i是字符串下标,f(i)代表当前以S[i]为首字母的字符串最大长度, 递推公式:f(i)=max(f(i+1),f(i+2),...,f(L-1),f(L))+1;用一个int dp[i]数组保存当前的f(i)值,可想而知最后 *max_element(dp,dp+L) 便得到了答案。

二 算法:动态规划法:O(n^2)

  设f(i)表示L中以ai为末元素的最长递增子序列的长度。则有如下的递推方程:

     f(i)=max(f(i+1),f(i+2),...,f(L-1),f(L))+1;用一个int dp[i]数组保存当前的f(i)值,可想而知最后 *max_element(dp,dp+L) 便得到了答案

     这个递推方程的意思是,在求以ai为末元素的最长递增子序列时,找到所有序号在L前面且小于ai的元素aj,即j<i且aj<ai。如果这样的元素存在,那么对所有aj,都有一个以aj为末元素的最长递增子序列的长度f(j),把其中最大的f(j)选出来,那么f(i)就等于最大的f(j)加上1,即以ai为末元素的最长递增子序列,等于以使f(j)最大的那个aj为末元素的递增子序列最末再加上ai;如果这样的元素不存在,那么ai自身构成一个长度为1的以ai为末元素的递增子序列。一般在解决问题的时候都是用到动态规划,所以就贴出代码了。主要用这个。。。。。。

代码如下:

 1 #include<stdio.h>//**O(n^2)
 2 #include<string.h>
 3 int main()
 4 {
 5     char str[10001];
 6     int s,len,i,j,dp[10001],max;
 7     scanf("%d",&s);
 8     while(s--)
 9     {
10         max=0;
11         scanf("%s",str);
12         len=strlen(str);
13         for(i=0;i<=len-1;i++)
14         {
15             dp[i]=1;//**dp[i]的最小值为1**//
16         }
17         for(i=len-2;i>=0;i--)     //这点表示不太懂,正研究着。。。
18         {
19             for(j=i+1;j<=len-1;j++)
20             {
21                 if(str[i]<str[j]&&dp[i]<dp[j]+1) //最长递增子序列则a[j]>a[i],而最长递减子序列则a[j]<a[i]...好好体会。。。
22                 {
23                     dp[i]=dp[j]+1;//**更新dp[i]的值**//
24                 }
25             }
26         }
27         for(i=0;i<=len-1;i++)
28         {
29             if(dp[i]>max)
30             {
31                 max=dp[i];
32             }
33         }
34         printf("%d\n",max);
35     }
36 }                

 

思路2:

LIS算法(最长上升子序列)

LIS(Longest Increasing Subsequence)最长上升(不下降)子序列,有两种算法复杂度为O(n*logn)和O(n^2)。在上述算法中,若使用朴素的顺序查找在D1..Dlen查找,由于共有O(n)个元素需要计算,每次计算时的复杂度是O(n),则整个算法的时间复杂度为O(n^2),与原来算法相比没有任何进步。但是由于D的特点(2),在D中查找时,可以使用二分查找高效地完成,则整个算法时间复杂度下降为O(nlogn),有了非常显著的提高。需要注意的是,D在算法结束后记录的并不是一个符合题意的最长上升子序列!算法还可以扩展到整个最长子序列系列问题。

有两种算法复杂度为O(n*logn)和O(n^2)

借鉴代码如下:

 1 //LIS算法实现
 2 #include <stdio.h>
 3 #include<string.h>
 4 char str[10001];
 5 int main()
 6 {
 7     int T,i,j;int len,ans;
 8     scanf("%d",&T);
 9     while(T--)
10     {
11         memset(str,0,sizeof(str));
12         scanf("%s%*c",str);
13         len=strlen(str);
14         ans=0;
15         for(i=0;i<len;i++)
16         {
17             for(j=0;j<ans;j++)
18                 if(str[j]>=str[i]) 
19                 { 
20                     str[j]=str[i]; 
21                     break;
22                 }
23             if(j==ans)
24             {
25                 str[j]=str[i];
26                 ans++;
27             }
28         }
29         printf("%d\n",ans);
30     }
31     return 0;
32 }  

 

posted on 2012-08-22 20:54  mycapple  阅读(5793)  评论(0编辑  收藏  举报

导航